APLICAÇÃO DOS MODELOS BAYESIANOS NA COOPERATIVA REGIONAL TRITÍCOLA SERRANA LTDA. COTRIJUÍ

Transcrição

1 APLICAÇÃO DOS MODELOS BAYESIANOS NA COOPERATIVA REGIONAL TRITÍCOLA SERRANA LTDA. COTRIJUÍ Suzana Russo Profa DCET URI Sano Ângelo/RS Joanirse Oriz Miranda Bolsisa PROBIC/URI INTRODUÇÃO A produção e a comercialização de embuidos, por serem produos perecíveis e ainda por necessiarem de maéria-prima de ciclo evoluivo, possuem como dificuldade à previsão de mercado para equacionar a médio prazo a compra de maéria-prima. Ese rabalho procura uma projeção a curo e médio prazo da necessidade de maéria-prima e do processo de produção, viabilizando assim o equacionameno das variáveis do processo. OBJETIVO GERAL Apresenar de forma sisemáica a meodologia bayesiana para a análise da série represenaiva da produção de produos derivados de suínos, no período de 1995 aé 1999, procurando verificar o grau de sensibilidade desa meodologia em deecar mudanças na série. OBJETIVOS ESPECÍFICOS Modelar cada componene de cada série aravés do sofware BATS (1994); Mosrar as facilidades e eficiência da meodologia da aplicação às séries reais; Fazer previsão a curo prazo. FUNDAMENTAÇÃO HISTÓRICA Sede: Ijuí - 1 unidades - 2 de julho de combae às formigas - dificuldades de armazenagem e comercialização do rigo Segmenos básicos: - produção leieira - produção vegeal - suinoculura - recebimeno de semenes, produos veerinários Produos: - cereais Cooper - produos frigoríficos Tchê Frigorífico Tchê Unidade de São Luiz Gonzaga

2 - Indusrialização de: Embuidos, Defumados,Cores especiais de suínos - Capacidade de abae/ mês: 21. suínos FUNDAMENTAÇÃO TEÓRICA HARRISON & STEVENS (1976) - Apresenaram o procedimeno Bayesiano de Previsão onde especificamene raam uma série emporal em ermos de seus componenes não observáveis, uilizando procedimenos bayesianos na esimaiva seqüencial deses componenes. HARVEY (1983) - Além de expressar as diversas componenes na forma de espaços de esados, permie a uilização de um algorimo para minimizar o erro médio quadráico no processo da esimação seqüencial do hiperparâmero da formulação. RUSSO (1993) - Uma das caracerísicas relevanes dessa meodologia é possibiliar a inerferência dos "omadores de decisões" aravés de inervenções, iso é, incorporar informações subjeivas no processo de modelagem de uma série. ABORDAGEM BAYESIANA Equação das observações: Equação de ransição: Veor: M 2 { F, G, W } = σ ε, Y = F. + α + = G. α 1 η ESTIMAÇÃO VIA FATORES DE DESCONTO HARRISON & STEVENS (1976) - O faor de descono (β), define a axa segundo a qual a precisão é perdida com relação à esimaiva de um parâmero. ESTIMAÇÃO SEQÜENCIAL BATS Lei de Poência: σ 2 = W. µ b MONITORAÇÃO VIA FATOR DE BAYES HARRISON & STEVENS (1976) - O objeivo da Monioração Via Faor de Bayes é indicar com rapidez e precisão a ocorrência de desconinuidade no sisema gerador de dados. FERRAMENTAS AUXILIARES BATS - Bayesian Analysis of Time Series - Ese pacoe compuacional foi desenvolvido na Universidade de Warwick por um grupo de Bayesianos do Depo de Esaísica, mais paricularmene os Professores Mike Wes, Jeff Harrison e Any Pole

3 em O pacoe consise de uma coleção de funções que podem ser usadas para uma análise complea dos dados, além de modelagens, das análises das previsões, possui uma variedade de aividades com os dados. ANÁLISE DOS RESULTADOS TABELA 1 - Análise da Série Represenaiva do Abae de Suínos HARMÔNICA COEF COS COEF SEM % SOS % VAR TOTAL SOS = 1.657E8 52 Observações Abae de suínos Nº de abaes Média: 9961,442 Desvio Padrão: 2477,129 Modelo enconrado: y = -112,1 + 1,293. Previsão um passo à frene: ,22 Se/95 Se/96 Se/97 Se/98 FIGURA 1 Abae de suínos TABELA 2 - Análise da Série Represenaiva da Produção de Apresunado Reo HARMÔNICA COEF COS COEF SEN % SOS % VAR TOTAL SOS = 4.426E9 52 Observações

4 Produção de Apresunado Reo Produção Se/95 Se/96 Se/97 Se/98 Mês Média:3237,21 Desvio padrão: 223,63 Modelo enconrado: y = Previsão um passo à frene: 6.338,17 FIGURA 2 Produção de Apresunado Reo TABELA 3 - Análise da Série Represenaiva da Produção de Moradela HARMÔNICA COEF COS COEF SEN % SOS % VAR TOTAL SOS = 1.674E8 48 Observações Produção de Moradela sem Toucinho Produção Se/95 Se/96 Se/97 Se/98 Mês Média: 5794,61 Desvio padrão: 13143,41 Modelo enconrado: y = 297,7 + 5,5 Previsão um passo à frene: ,9 FIGURA 3 Produção de Moradela sem Toucinho

5 TABELA 4 - Análise da Série Represenaiva da Produção de Salsicha 5 g HARMÔNICA COEF COS COEF SEN % SOS % VAR TOTAL SOS = 7.443E9 52 Observações Produção de Salsicha 5g Produção Se/95 Se/96 Se/97 Se/98 Mês Média: 8646,956 Desvio padrão: 2276,314 Modelo enconrado: y = -66,4 + 1,4.1 Previsão um passo à frene: 9.937,72 FIGURA 4 Produção de Salsicha 5g CONCLUSÃO Adoando como criério de decisão o erro médio quadráico de previsão concluímos que a meodologia adoada adapou-se aos dados uilizados. REFERÊNCIAS BIBLIOGRÁFICAS ACHCAR,J.A.; PEREIRA,G. Bayesian Analysis Of Mixure Models For Survival Daa:Some Compuaional Aspecs, Revisa de Maemaica e Esaisica,São Paulo.1998 BERNARDO, J. M. Mèodes Esadísics Conemporanis en la Invesigación Cienífica: Anàlisi Bayesiàn. Mèode 24, HARRISON, P. J., and Sevens, C. F. Bayesian forecasing (wih discussion) Ed. J. Roy Saisic. Soc. 38, HARRISON, P. J., and Wes, M. Bayesian forecasing and Dynamic Models Springer Verlag London HARVEY, A. C., and TOOD, P.H.J. Forecasing Economic Time Series Wih Srucural and Box & Jenkins Models. Journal of Bussines & Economic Saisics, 1,

6 OLIVEIRA, Robero. Análise de Robusez para Abordagem Bayesiana de Modelos Auo-Regressivos AR(p) Usando MCMC. 5ª Escola de Modelos de Regressão - ABE PENG, F., and DEY, D. Bayesian analysis of ouliers problems using divergence measures. The Canadian Journal of Saisics, v.23 nº RUSSO, Suzana L. Modelagem e Previsão Via Modelos Esruurais da Produção de Sacos de Polipropileno em Sana Caarina. Depo. de Eng. Elérica. Disseração de Mesrado. RJ